Lleva tu carrera a otro nivel por menos de 1 dólar al día.
Big Data y Data Science
Fundamentos
Ingeniería de datos
¿Cuáles son las oportunidades laborales en Big Data, Ciencias de Datos o Data Science?
Seguramente te has preguntado qué hace un data scientist o científico de datos. La ruta de aprendizaje de Big Data y Data Science de Platzi es el primer paso para aprender ciencia de datos y adentrarte en un mundo con muchísimas oportunidades laborales. A continuación te contamos los diferentes enfoques de esta área y qué funciones tiene cada uno de sus profesionales:
Especialista en Ciencia de Datos (Data Scientist)
Funciones: Se encarga de tomar los datos disponibles y procesarlos de tal forma que se puedan tomar mejores decisiones y mejorar los procesos de la compañía. Generalmente esta persona se encarga de limpiar y transformar bases de datos para luego utilizarlas en el entrenamiento y evaluación de distintos algoritmos de machine learning.
Habilidades: Programación, visualización y comunicación de datos, análisis estadístico, Machine Learning.
Tu ruta de estudios: Debes tener bases sólidas en matemáticas, álgebra lineal, estadística y ciencias de la computación. Igualmente, debes tener buenas bases de ingeniería de software y programación, incluyendo conocimientos en algoritmos y manejo de bases de datos (en especial SQL). También debes entender y poder implementar algoritmos de machine learning.
Especialista en Ingeniería de Datos
Funciones: Se encarga de crear y mantener la infraestructura de software que permite el procesamiento de grandes conjuntos de datos (Big Data). Un ingeniero o ingeniera de datos a menudo trabaja como parte de un equipo de Data Science y proporciona datos limpios y listos para usar a los científicos de datos.
Habilidades: Programación, arquitectura de software, bases de datos, Data Warehousing, Hadoop, Spark, AWS, operating systems.
Tu ruta de estudios: Aprende sobre ingeniería de datos, aprende un lenguaje de programación general (Java, C++, Python) y aprende al menos un lenguaje de scripting como Bash. También, adquiere conocimientos sólidos en bases de datos, especialmente SQL. Entiende conceptos sobre computación distribuida y practica tus habilidades en Spark y/o Hadoop.
Analista de Datos
Funciones: Recopilación de datos y preparación para el análisis y la resolución de preguntas. Análisis exploratorio de la información por medio de gráficas y estadísticas descriptivas. Interpretación de los datos, análisis de resultados y reporte de resultados.
Habilidades: Limpieza de datos, análisis exploratorio de datos, visualización y reporte de resultados y minería de datos.
Tu ruta de estudios: Aprende a usar algún software de análisis estadístico como SAS, SPSS, STATA, Excel, entre otros. Practica tus habilidades con herramientas de visualización de datos como Tableau, PowerBI y Qlik. Aprende sobre minería de datos y nociones de machine learning.
Especialista en Arquitectura de Datos
Funciones: Se encarga de crear las bases de datos de tu empresa. Su función principal es diseñar y planear una arquitectura de datos eficiente que cumpla con los requisitos que su compañía necesita en términos de acceso y procesamiento de información.
Habilidades: Soluciones de Data Warehousing, conocimientos profundos de arquitectura de bases de datos, habilidades en extracción, transformación y carga de información (ETL), desarrollo de software y modelación de datos.
Tu ruta de estudios: Aprende sobre ingeniería de bases de datos, aprende un lenguaje de programación general (Java, C++, Python). También, adquiere conocimientos sólidos en bases de datos, de tipo relacional (SQL) y no relacionales (MongoDB, por ejemplo). Entiende conceptos sobre computación distribuida y practica tus habilidades en Spark y/o Hadoop.
Analista de inteligencia de Negocio (Business Intelligence Analyst)
Funciones: Recopilación de datos y preparación para el análisis y la resolución de preguntas en un contexto de negocio. Análisis exploratorio de la información por medio de gráficas y estadísticas descriptivas. Interpretación de los datos, análisis de resultados y reporte de resultados. Habilidades para hablar en público y de crear historias a partir de datos (data storytelling).
Habilidades: Limpieza de datos, análisis exploratorio de datos, visualización y reporte de resultados y minería de datos. Amplio conocimiento del sector y/o industria. Capacidad de innovación estratégica a partir de análisis de datos.
Tu ruta de estudios: Aprende a usar algún software de análisis estadístico como SAS, SPSS, STATA, Excel, entre otros. Practica tus habilidades con herramientas de visualización de datos como Tableau, PowerBI y Qlik. Aprende sobre minería de datos y nociones de machine learning. Conoce a fondo tu negocio y comienza a resolver problema de tu organización teniendo en cuenta tu experiencia y el contexto de la industria.
Ahora que conoces todas las posibilidades que te ofrece la ciencia de datos, anímate a tomar esta ruta de aprendizaje en Platzi y conviérte en un profesional de esta área.
Glosario
Ciencia de Datos: Área de conocimiento que busca agregar valor a los datos por medio de la confluencia de análisis estadísticos, métodos computacionales y visualización de información.
Big Data: Conjunto de información cuya longitud (número de registros), variedad (número de características por cada registro) y frecuencia (ritmo con el cual se actualiza la información) impiden que los métodos de procesamiento de datos convencionales sean suficientes para su manejo.
Bases de datos: Las bases de datos son contenedores o repositorios digitales en los que se almacenan de manera estructurada y organizada datos que comparten un mismo contexto para su posterior procesamiento y consulta.
Keyword: Se refiere a la palabra clave que atrae al mayor número de seguidores a través de buscadores. Cuando tienes claro cuáles son las keywords que definen tu contenido puedes posicionarlo de manera orgánica o paga lo cual influye en el número de búsquedas y las conversiones.
Machine Learning: Rama de la inteligencia artificial que se encarga del estudio de métodos automatizados por medio de algoritmos y estadística, para generar modelos matemáticos que permitan resolver tareas de forma tal que sea el software quien descifre por sí mismo como resolver dicho problema.
Aprende de los mejores
Comparte tu conocimiento
